跑完分类模型(Logistic回归、决策树、神经网络等),我们经常面对一大堆模型评估的报表和指标,如ACC、ROC、AUC等,对以上提到的各个评估指标逐一点评,并力图表明:
指标分类
学习分类
性能指标
分类
Accuracy、precision、Recall、F1 Score、ROC Curve、PR Curve、AUC、
回归
MAE、MSE
分类
混淆矩阵
1代表正类,0代表负类,Predicted代表预测,Actual代表实际。
Predicted
Predicted
合计
1
0
Actual
1
D: (TP) -> 2814
C: (FN) -> 36
D+C: Actual Positive
Actual
0
B: (FP) -> 235
A: (TN) -> ** 248 **
A+B: Actual Negative
合计
B+D: Predicted Positive
A+C: Predicted Negative
A: (True Negative) 将负类预测为负类数(正确预测负例),(TN | 真负,0->0)
B: (False Positive) 将负类预测为正类数,(FP | 假正, 0->1) → 误报
C: (False Negative)